用于人体姿态估计的分布感知坐标表示
计算机视觉与模式识别
2019-10-15 v1
摘要
尽管热图是人体姿态估计中事实上的标准坐标表示，但据我们所知，文献中从未对其系统研究。本工作通过研究坐标表示并特别关注热图填补了这一空白。有趣的是，我们发现将预测热图解码为原始图像空间中最终关节坐标的过程对人体姿态估计性能异常重要，然而这一点此前未被认识到。鉴于所发现的重要性，我们进一步探查了现有方法广泛使用的标准坐标解码方法的设计局限，并提出了更具原则性的分布感知解码方法。同时，我们改进了标准坐标编码过程（即将真值坐标变换为热图），通过生成准确热图分布以实现无偏模型训练。将两者结合，我们构建了新颖的分布感知关键点坐标表示（DARK）方法。作为模型无关的插件，DARK显著提升了多种最先进人体姿态估计模型的性能。大量实验表明，DARK在MPII与COCO两个常用基准上取得最佳结果，一致验证了我们的新颖坐标表示思想的有用性与有效性。
引用
@article{arxiv.1910.06278,
title = {Distribution-Aware Coordinate Representation for Human Pose Estimation},
author = {Feng Zhang and Xiatian Zhu and Hanbin Dai and Mao Ye and Ce Zhu},
journal= {arXiv preprint arXiv:1910.06278},
year = {2019}
}
备注
Results on the COCO keypoint detection challenge: 78.9% AP on the test-dev set (Top-1 in the leaderbord by 12 Oct 2019) and 76.4% AP on the test-challenge set. Project page: https://ilovepose.github.io/coco